El jugador número 12

El jugador número 12 no es la hinchada, son los datos.

Era 2015. Cancha central de Wimbledon, el templo mundial del tenis. Por segunda ronda se enfrentaban el omnipotente Rafael Nadal y el desconocido Dustin Brown, un jugador fuera de los 100 mejores del mundo, de 30 años y con una carrera sin grandes triunfos.



Lo que parecía un partido de trámite para el español terminó convirtiéndose en una pesadilla: sería derrotado en cuatro sets, viéndose completamente superado en una ronda que para los mejores tenistas se plantea como una posibilidad de coger ritmo para las fases finales.

Con el tiempo, Rafa Nadal diría que esta ha sido una de las derrotas más duras de su carrera, principalmente, porque pocas veces se ha sentido tan impotente ante la estrategia de un rival.

Lo que nadie sabía, y hasta hace poco nadie se imaginaba, era que para ese partido en particular Brown tuvo la asesoría de Craig O'Shannessy, el analista estratégico más famoso y místico del tenis actual.

Te interesa: Qué es IoT?

A partir de una herramienta que analizó cientos de partidos del dos veces ganador de Wimbledon, este hombre desconocido para muchos se sentó con el tenista jamaicano y le explicó cómo jugaba Nadal: por dónde era mejor atacarlo, cómo se iba a defender y a qué zonas de la pista iba a poner la bola con más frecuencia.

Según una entrevista recogida por el portal español Punto de Break, este australiano cuenta que el tenis es más predecible de lo que se cree, pues gracias a un estructurado y juicioso estudio de datos hay altas probabilidades de saber cómo va a jugar el rival.

En el último año se ha hecho más famoso por haberse unido al equipo de Novak Djokovic, número uno del mundo y con quien ha ganado tres de los cuatro últimos Grand Slams, los torneos más importantes de este deporte.

Además de usar la Big Data para asesorar a ciertos jugadores, O'Shannessy es dueño de ‘Brain Game Tennis’, una herramienta web que por un precio te muestra cómo juega cualquier tenista de élite: cómo se mueve, cuáles son sus tiros más fuertes o sus más débiles, en qué superficie se desenvuelve mejor y, lo más importante, qué decisiones toma dependiendo de lo que el rival propone.
El análisis de datos en el deporte no es un tema nuevo ni exclusivo en el tenis.

El turno del fútbol

En el fútbol, quizás el deporte con más giros inesperados, siempre ha habido un ambiente escéptico en torno a la importancia del análisis de datos. Esto ha comenzando a cambiar y el ejemplo más claro ha sido el Liverpool, actual campeón de la Uefa Champions League.

Según un reciente artículo del New York Times, uno de los principales culpables del actual éxito del equipo inglés es Ian Graham, un completo desconocido en el mundo del fútbol. Graham tiene un doctorado en Física Teórica de la Universidad de Cambridge y es el director de análisis del Liverpool, desde donde estudia cómo juegan los rivales y qué falla en su propio equipo.

Hasta ahí nada extraordinario, pues es común que los equipos europeos tengan en sus filas un equipo de análisis. El valor agregado de Graham es que construyó su propia base de datos que le permite ver el progreso de más de 100.000 jugadores alrededor del mundo.

Esto le ha permitido asesorar con mejores resultados a quienes contratan jugadores dentro del equipo. Incluso, fue uno de los responsables de traer al actual técnico, Jurgen Klopp.

El fútbol, un deporte tan místico como conservador, ha tenido sus precauciones con la Big Data. “Esos con sus computadores no conocen el juego”, era algo que escuchaba Graham hasta que hace poco comenzaron a darle valor a su trabajo.

El arte de lo impredecible 

El análisis de datos en el béisbol es una historia vieja. Lo que ahora sorprende es que deportes como el fútbol y el tenis estén entendiendo que acá hay una posibilidad de mejora en la toma de decisiones dentro y fuera del campo.

Cuánto ha mejorado Novak Djokovic con la inclusión de un analista de datos o qué tanto influyó Ian Graham en la consagración del Liverpool es algo que no se puede medir, pero lo cierto es que algo cambió y les está dando mejores resultados.

¿Es posible que el deporte se vuelva completamente predecible si se analizan y se cruzan datos con rigurosidad antes de los partidos? 

Tanto O'Shannessy como Graham coinciden en que es imposible. Es decir, los datos pueden ayudar a tener más probabilidades de ejecutar un plan que permita ser mejor que tu rival, pero nunca podrá resolver lo que, a la larga, es lo más bonito del deporte: que el resultado muchas veces no es el esperado, que puede pasar algo impredecible.

-------------------------------------------------------------------

¿Disfrutaste leyendo este artículo?
Agradece con un aporte:

        

Escanea el código QR con tu billetera Bitcoin y aporta lo que quieras o digíta el código abajo.

3EicTkk2wYhEBNFw6e7xukxVpN8Jf5gjvK

Tomado de RutaN